En PlanIT estamos en busca de un Data Engineer Ssr para sumarse al equipo de uno de nuestros clientes bancarios en su área de Tecnología — Plataforma de Datos (Data Platform & Governance).
Es una posición full time de lunes a viernes, con 4 días semanales de presencialidad en sus oficinas ubicadas en Microcentro, CABA y 1 día a la semana remoto.
Misión del rol
Ser el coordinador técnico responsable de que los datos de Banco Piano sean confiables, gobernable y rentables.
Estabilizar la plataforma de datos presente, implementar gobierno formal, diseñar pipelines confiables y automatizar la reportería crítica (BCRA, operativa, financiera).
Crear las bases para que el banco pueda escalar la capacidad analítica sin perder control ni confianza.
Este rol es diferente de un Data Engineer típico: no es pasar años construyendo arquitecturas greenfield.
Es tomar lo que existe, estabilizarlo, documentarlo, gobernarlo y monetizarlo en reportería confiable, ya que hay un DW incipiente que funciona pero no escala ni se confía completamente.
Un rol de consolidación estratégica.
La reportería regulatoria sigue siendo manual o inestable, nadie sabe quién es responsable de cada dato, qué significa realmente, dónde se origina.
Responsabilidades Principales
1. Estabilización y Operación del Data Warehouse
Diagnóstico de salud: auditar el estado actual del DW (schemas, transformations, data quality, performance)
Documentación: crear y mantener el inventario completo de tablas, vistas, fuentes, transformations, SLAs
Monitoreo y alertas: implementar controles de calidad automáticos que detecten datos corruptos, esquemas rotos, pipelines fallidos
Optimización de queries y performance: identificar y corregir queries lentas, índices mal diseñados, schemas ineficientes
2. Gobierno de Datos
Data Catalog operativo: elegir e implementar herramienta de catálogo (Collibra, DataHub, Alation) que documenta qué datos existen,



dónde, quién es dueño, calidad
Políticas de acceso y seguridad: clasificar datos (públicos, internos, confidenciales, regulados) y asegurar controles acordes con BCRA y PCI-DSS
Data Stewardship: definir el modelo de responsables de datos (Data Stewards) por dominio: quién es dueño de 'cliente', 'transacción', 'producto'
Métricas de calidad: establecer estándares de calidad por dominio (completitud, validez, consistencia) e implementar SLAs de datos
3. Pipelines de Datos (ETL/ELT)
Diseño arquitectónico: definir patrones de ingesta según fuente (batch nightly del core, micro-batch de transacciones, streaming de eventos)
Implementación con dbt: construir la capa de transformación con dbt (data build tool): modelos versionados, testeados, documentados
Orquestación: implementar y operar Apache Airflow (o Prefect) para scheduling, dependencias, retry logic, alertas de fallo
Data quality en pipeline: integrar controles automáticos (Great Expectations, dbt tests) que fallen de forma visible si datos corruptos
4. Reportería Crítica (BCRA, Financiera, Operativa)
Automatización de reportes regulatorios: convertir reportes manuales de BCRA (RPC, exposición crediticia, CAMEL) en queries reproducibles desde DW
Capa semántica: construir métricas de negocio (con dbt metrics o Cube.dev) que permiten consultar datos sin escribir SQL
Dashboards ejecutivos: diseñar e implementar reportería estratégica para CIO, CFO, Dirección
Trazabilidad de auditoría: asegurar que cada reporte tiene linaje completo (origen, transformations, consumidor)
5. Roadmap y Evolución de Capacidades
Planeamiento estratégico: definir el roadmap de madurez de datos a ***** meses con fases, prioridades, impacto
Decisiones técnicas: evaluar y decidir tecnologías (Snowflake vs. Redshift, Airflow vs. Prefect, dbt vs. Spark, etc.)
Data literacy: facilitar talleres y capacitación para que áreas de negocio confíen y sepan usar datos
#J-*****-Ljbffr

📌 Data Engineer Semisenior (Buenos Aires)
🏢 Plan-IT
📍 Buenos Aires